对比度受限自适应直方图均衡方法

该文介绍了对比度增强的分类方法,主要介绍了对比度受限自适应直方图均衡法,其通过限制局部直方图的高度来限制局部对比度的增强幅度,从而限制噪声的放大。     

气象计量自动化温度检定系统中的图像预处理研究

针对气象计量自动化温度检定系统中图像噪声大、对比度不够等问题,在采用图像预处理技术的基础上,提出一种同态滤波的对比度受限自适应图像预处理方法。尝试中值滤波对红外图像进行去噪,保证噪声不被增强的前提下,利用同态滤波的原理,对图像细节进行增强。但同态滤波依然存在图像特征点与非特征点在图像质量不高的情况下容易混淆的问题,对此采用限制对比度自适应直方图均衡的方法进一步调整图像的动态范围。通过仿真实验对此方法进行验证,验证了所提出方法的有效性。     

保持图像亮度的自适应局部对比度增强

目前保持亮度的局部直方图均衡算法用于对比度增强时,大多以亮度均值和中值为图像的亮度分割点,这些方法能较好地保持图像的亮度,但同时也会产生局部过增强。为此提出了一种亮度误差最小的自适应局部对比度增强算法,根据亮度均值绝对误差自适应的选择最佳亮度分割点,然后用保持亮度的双直方图均衡算法对被分割的子图像进行均衡,最后用滤波器消除块效应。实验结果表明,该算法不仅保持了输入图像的亮度,同时也实现了局部对比度增强。     

基于RBF神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强,应用范围广,有较强的自适应性。     

实时图像增强算法改进及FPGA实现

针对复杂背景的多目标图像,提出了一种基于直方图的实时自适应图像增强方法.该方法根据自适应直方图窗口选择高低阈值,通过灰度线性变换及灰度级等间距密度均衡进行图像增强.利用该算法增强图像视频时,采用FPGA,通过并行处理结构及流水线技术,可实时处理每秒50帧780×582×12bits的可见光图像.在处理视频的过程中,由前一帧图像的直方图信息,来增强后一帧图像.理论分析和实验结果均表明,该算法克服了直方图均衡及平台直方图均衡增强图像引起的灰度断层现象,有效地增强了图像的对比度,提高了图像质量.     

基于反转的限制对比度自适应直方图均衡图像去雾改进算法

为了解决HE算法经直方图均衡处理后可能出现的噪声放大,CLAHE算法效率降低而且极其耗时这一问题,提出一种基于反转的限制对比度自适应直方图均衡图像去雾改进算法。雾天图像具有整体偏白色的这一特征,其反转后与低照度图像的特征相类似,对反转后的图像进行改进后的限制对比度自适应直方图均衡亮度增强,再进行反转得到无雾图像。该改进算法不仅解决了噪声放大问题且快速有效。     

基于多尺度带限的自适应直方图均衡和数学形态学的医学X射线图像对比度增强算法

医学X射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的X射线进行成像,而X射线图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据X射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的X射线图像对比度增强算法。首先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学X射线图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。     

基于多尺度带限的自适应直方图均衡和数学形态学的医学 X 射线图像对比度增强算法

医学 X 射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的 X 射线进行成像,而 X 射线 图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据 X 射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的 X 射线图像对比度增强算法。首 先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应 用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各 塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再 经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学 X 射线 图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。     

一种高效的水下图像增强算法——CLAHE的优化

因水下环境复杂,光线透过水体会发生严重的衰减和散射,导致水下图像往往呈现出图像对比度差、饱和度差、图像偏暗等情况。笔者提出一种易实现且高效的水下图像增强方法。该方法先分割出图像的RGB三通道,在每个通道上利用直方图均衡(HE)法对图像整体进行增强,后采用对比度限制自适应直方图均衡法(CLAHE),修改其中的NumTiles、clipLimit、Distribution、Alpha等参数对图像的细节部分进行进一步增强,最后将3个通道的图像进行合成得到增强后的图像。结果表明,该方法能够有效处理各种水下图像的图像偏暗、对比度差等情况,对图像色彩的提升也有较好的效果。     

基于改进同态滤波的低对比度图像增强

针对传统同态滤波算法计算量大、参数设置困难、实验难度大等问题,提出一种改进同态滤波和对比度约束自适应直方图均衡相结合的低对比度图像增强算法。对原始图像进行均衡,保留图像的细节,增强图像的对比度;通过对同态滤波算法进行改进,进一步提高预处理图像的对比度。改进同态滤波算法利用滤波器特性对滤波函数进行简化,不但保证了原始算法的效果,而且在很大程度上减少了计算。结果表明,该算法是可控的,效果明显,细节更加完整。     

基于三级图像融合与CLAHE的机场安检X光图像增强算法

针对CLAHE增强机场安检X光图像出现的颜色失真及背景噪声放大问题, 提出一种基于三级图像融合与CLAHE的X光图像增强算法. 首先将X光图像分别转换成RGB、HSV图像并分别进行CLAHE增强, 将增强后的图像通过欧几里得范数实现第1级融合. 然后将融合后的图像进行USM锐化, 锐化过程中根据掩膜进行图像第2级融合. 最后将锐化后的图像与原图像按系数进行合并, 完成第3级融合. 仿真实验结果表明, 本文提出的算法能够有效提高安检X光图像的对比度, PSNR平均值提高了7 dB, 同时可以抑制增强图像颜色失真及背景噪声. 该算法有助于提高X光图像中违禁物品的识别准确率, 对平安机场的构建具有积极意义.     

雾天图像增强计算模型及算法

针对雾天图像退化程度与景深呈非线性关系的特点,提出一种自适应Retinex雾天图像增强算法,根据图像像素点所处的人类视觉区域反映出的雾的厚薄程度自动调整算法的参数取值。在此基础上,构建一种新的图像增强计算模型,将自适应Retinex增强算法与CLAHE增强算法的增强结果自适应地加权融合,使得增强结果能够同时保持色彩恒常性和亮度恒常性,实现对雾天图像的清晰化。主观观测和客观评价表明,本文方法比HE和MSR算法在雾天图像细节增强及色彩保持方面具有更好的效果。     

基础信息保持和细节强化的胸部CT图像增强

目的 清晰的胸部计算机断层扫描（computed tomography,CT）图像有助于医生准确诊断肺部相关疾病,但受成像设备、条件等因素的限制,扫描得到的CT图像质量有时会不尽如人意。因此,本文提出一种简单有效的基于基础信息保持和细节强化的胸部CT图像增强算法。方法 利用多尺度引导滤波器将胸部CT图像分解为一个基础信息层和多个不同尺度的细节层。基于熵的权重将胸部CT图像的多个细节层进行融合,并乘以强化系数进一步增强纹理细节。将强化的细节层和原始的基础信息层重新组合即可生成细节强化的胸部CT图像。通过此种增强方式,本文算法既能显著增强胸部CT图像的纹理细节,又能将大部分原始的基础结构信息保留到增强图像中。结果 为了验证算法的有效性,将本文算法与5种优秀的图像增强算法在由3 209幅胸部CT图像组成的数据集上进行测试评估。定性和定量实验结果表明,本文算法得到的增强图像保持了更多原始胸部CT图像中的基础结构信息,并更显著地强化了其中的纹理细节信息。在定量结果中,本文算法的标准差、结构相似性和峰值信噪比指标值均优于对比的5种方法,相比于性能第2的方法分别提高了4.95、0.16和4.47,即分别提升了5.61%、17.00%和16.17%。此外,本文算法增强一幅CT图像仅消耗0.10 s,有潜力应用于实际的临床诊断中。结论 本文算法可以在保留大量原始结构信息的同时有效强化CT图像的细节信息,有助于医生对患者肺部疾病的精确诊断。本文算法具有较好的泛化能力,可以用于增强其他部位的CT图像和其他模态图像并取得优秀的增强结果。     

基于分割和累积指数变换的MR图像增强算法

文章提出了一种MR图像增强的新算法。首先由多阈值分割算法将图像分割为不同的区域,然后统计出各区域的灰度均值和方差,由这两个特征构造各区域的累积指数非线性变换,并分别对相应区域进行增强。实验表明,用该算法增强后的MR图像在视觉上增强了图像对比度,加强目标的细节,还可以去除部分噪声,在实现上缩短了CPU时间。     

CLAHE优化低频DCT系数重变换的鲁棒人脸识别

针对光照、表情、姿态、遮挡等变化显著影响人脸识别系统性能的问题,提出了基于限制对比度自适应直方图均衡化(CLAHE)的低频离散余弦变换(DCT)系数重变换算法。将图像划分成多个互不重叠的局部小块,使用CLAHE对每个局部小块进行局部对比拉伸以实现去噪,通过缩减适当数目的低频DCT系数来消除人脸图像中的光照变化;利用核主成分分析进行特征提取,采用K-最近邻分类器以完成最终的人脸识别。在ORL、扩展YaleB和AR人脸数据库上的实验验证了所提算法的有效性和鲁棒性,实验结果表明,相比其他几种较为先进的人脸识别技术,所提算法取得了更高的识别率,同时大大降低了识别所用时间。     

基于CLAHE和开闭运算的绿色苹果图像分割

依据绿色苹果图像的自身特点,设计了一种分区域提取而后合并的图像分割方法。首先对图像进行限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE),增大果实和背景的颜色差,而后获取R-B色差图像,得到以光常区域为主的区域;然后用CLAHE处理后的图像进行开闭运算,提取局部极大值,得到以高亮区域为主的区域;最后将两区域合并获得完整的果实目标区域。为了验证该方法的有效性,运用Hough算法检测圆,并用相对偏差、圆心相对误差及半径相对误差三个评价指标来定量评价。试验结果表明,提取区域与果实目标区域相比,顺光下,相对偏差、圆心和半径相对误差平均值分别为3.59%,4.76%和2.60%;逆光下,三个指标的平均值分别为10.77%、16.77%、11.49%。无论是顺光还是逆光都有很好的识别效果,能满足机器人采摘果实的精确定位的要求。     

基于CLAHE的塑料薄膜图像增强算法研究

图像增强算法作为图像预处理的一个重要环节,其主要目的是实现消除图像随机噪声,改善图像质量。传统的直方图均衡化增强方法实质以减少图像灰度级来换取对比度的加大,造成图像细节部分信息的丢失,影响了识别效果。运用对比度自适应直方图均衡化(CLAHE)算法实现薄膜图像灰度增强,并通过对处理后的图像质量进行客观评价,证明了该算法相对于传统直方图均衡化算法具有明显优势。     

不同波长近红外人体血管成像技术研究

针对通过研制的血管成像装置采集到的图像不可避免地会受到本身或外界因素的噪声污染,肉眼很难分辨出图像质量的问题,提出了对在不同波长近红外光下采集的人体血管图像进行CLAHE增强和NiBlack算法处理,并通过多组实验对比处理前后图像的质量.实验结果表明:在近红外光反射照射下,940 nm单色光采集的手臂血管成像效果最佳,760 nm和940 nm混合光次之,760 nm单色光采集效果不理想.     

基于多尺度卷积网络的快速图像去雾算法

针对目前图像去雾技术存在的使用场景有限、处理速度慢等问题,提出一种基于多尺度卷积网络的快速去雾算法。算法由去雾和修复两部分组成。去雾模块首先将有雾图像输入,经过特征提取和融合,然后通过变形后的大气物理散射算法对透射率图和大气光值统一学习,并演出去雾图像。去雾后的图像仍存在色调偏暗、细节不清晰的问题。修复模块利用对比度受限自适应直方图均衡方法对去雾图像进行修复,提升图像的对比度和算法的鲁棒性。通过去雾任务与目标检测任务相结合的测试实验进一步验证了算法的有效性。     

基于U-net的海马体分割算法应用

为促进阿尔兹海默症的诊断及治疗,实现对海马体的精确分割,针对海马体MRI图像,提出一种基于U-net模型改进的分割算法。使用CLAHE等对原始图像进行预处理,经处理后的图像有效提高了分割效果;将残差模块加入实现分割算法的卷积网络,增强网络性能,避免网络性能退化。对原始数据集进行扩充,将扩充后的样本数据用以训练网络,解决数据量的问题。实验结果表明,该算法在脑部MRI图像中对海马体实现了良好的分割效果,能较好辅助医生诊断。